基于SE-ResNeXt网络的低信噪比LPI雷达辐射源信号识别

TN957.5; 针对低信噪比(signal to noise ratio,SNR)低截获概率(low probability of intercept,LPI)雷达脉内波形识别准确率低的问题,提出一种基于时频分析、压缩激励(squeeze excitation,SE)和ResNeXt网络的雷达辐射源信号识别方法.首先通过Choi-Williams分布(Choi-Williams distribution,CWD)获得雷达时域信号的二维时频图像(time-frequency image,TFI);然后进行TFI预处理降低噪声干扰和频率维的位置分布差异,以适应深度学习网络输入;最后在ResNeX...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 44; no. 12; pp. 3676 - 3684
Main Authors 徐桂光, 王旭东, 汪飞, 胡国兵, 高涌荇, 罗泽虎
Format Journal Article
LanguageChinese
Published 南京航空航天大学电子信息工程学院/集成电路学院,江苏南京211106%金陵科技学院电子信息工程学院,江苏南京211169 01.12.2022
Subjects
低截获概率雷达波形
压缩激励结构
时频分析
残差网络
辐射源信号识别
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2022.12.11

Cover

More Information
Summary:TN957.5; 针对低信噪比(signal to noise ratio,SNR)低截获概率(low probability of intercept,LPI)雷达脉内波形识别准确率低的问题,提出一种基于时频分析、压缩激励(squeeze excitation,SE)和ResNeXt网络的雷达辐射源信号识别方法.首先通过Choi-Williams分布(Choi-Williams distribution,CWD)获得雷达时域信号的二维时频图像(time-frequency image,TFI);然后进行TFI预处理降低噪声干扰和频率维的位置分布差异,以适应深度学习网络输入;最后在ResNeXt基础上加入扩张卷积和SE结构提取TFI特征,实现雷达辐射源分类.实验结果表明,SNR低至-8 dB时,该方法对12类常见LPI雷达波形的整体识别准确率依然能达到98.08％.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2022.12.11